1、“.....访问每个高斯模型所需要的时间与成对数增长关系。在复制粒子时，所有高斯模型树中只有个路径必须被修改，为了完成这个树，对于所有与之分开的枝干，所有的相关点从生成的粒子复制过来。所有与之分开的枝干就指向了与生成树同样的子树，生成个这样的不完全的书只用了对数时间，此外，由于需要用来达到叶子的步骤数与路径的长度相等，访问高斯模型也需要对时间。在每个更新步骤需要创建个新粒子，所以更新总共需要时间......”。

2、“.....它对于机器人位姿和数据融合采样，在每个粒子的基础上计算路标的位置，用些平衡的二叉树来表示路标，使得更新路标只需要路标数的对数次，每个粒子对位姿的不确定性是来自数据融合中，能更清楚的在噪声环境中区分出来路标，甚至能在很简单的数据融合条件下进行更新路标。,,,,,,,......”。

3、“.....运动模型描述了时刻机器人位姿的概率分布......”。

4、“.....武汉科技大学本科毕业设计观测模型观测模型即描述了当机器人位姿为时，观测到的信息为的概率。其中,为时刻里程计给出的控制信息。和分别表示时刻机器人的速度和角速度。机器人利用自身配备的距离方向传感器探测陆标，得到陆标的距离和方向角......”。

5、“.....分别是机器人的位置是机器人的方向角分别是对应于测量距离和方向的噪声。机器人观测模型如图所示图机器人观测模型武汉科技大学本科毕业设计算法步骤算法步骤基于粒子滤波器和的算法如下根据初始坐标，随机生成个粒子粒子权值组成的粒子集，见式,预测机器人位姿......”。

6、“.....，计算时刻粒子。计算权重，重要性权值计算方法见式④根据观测模型计算粒子对应的特征点坐标，并将其与环境陆标集中的陆标进行关联。对粒子权值进行更新，见式式中，函数为高斯概率计算公式，可根据对粒子集权值进行更新......”。

7、“.....设定个阈值，若有效粒子数小于这个阈值，根据粒子权值对粒子进行重采样，去除权值小的粒子，复制权值大的粒子。计算权重。环境地图更新，利用,对进行更新。⑩通过公式计算粒子时刻的位姿，若还要计算下时刻的位姿，则转到步骤否则结束定位。武汉科技大学本科毕业设计新位姿采样粒子集是递增更新的，是根据时刻的粒子和路标观测量，控制量得来的。机器人的新位置,是由上个位置......”。

8、“.....然后结合新的观测值来更新路标的位置。对上时刻的路径和最近的控制量进行采样,时刻中的每个粒子,生成由可能性运动模型取样中获得的个对机器人姿态估计的可能性估计，见式,然后将这种估计连同路径,加入到个临时粒子组中，假设中的粒子组根据来分配，则新的粒子也根据分配。通过这种方法生产个粒子后，通过对临时粒子组取样获得新组。每个粒子......”。

9、“.....环境特征估计的更新环境特征估计是以机器人的位姿为条件的，个加到集合的每个粒子上。第个环境特征的后验概率很容易得到。它的计算是要看是否，也就是，是否环境特征在时刻被观察到。对于被观察到的环境特征，根据通常用贝耶斯定理的分解后验概率的程序。,,，为第个粒子的观测量概率函数的倒数。若......”。